Estudio revela que la IA en programación genera más problemas que soluciones

La utilización de inteligencia artificial en el ámbito de la programación no siempre produce mejoras en la productividad, a pesar de que algunos estudios sugieren que puede acelerar ciertas tareas. Si bien la IA tiene el potencial de eliminar trabajos repetitivos, crear funciones en cuestión de segundos y agilizar tareas que anteriormente requerían más tiempo, los desafíos surgen posteriormente. La rapidez en la generación de código no garantiza que este sea comprensible, verificable y listo para su integración en aplicaciones reales, lo que pone de manifiesto un cambio significativo en la forma de programar y la creciente automatización en el desarrollo.

Estos hallazgos provienen de una encuesta realizada por Coleman Parkes, encargada por Undo, entre julio y agosto de 2026, en la que participaron 300 responsables de ingeniería en grandes organizaciones dedicadas a software complejo, con un 93% de ellos utilizando lenguajes como C o C++. Aunque este estudio no representa a toda la comunidad de programadores, sí ofrece una perspectiva sobre el impacto de los agentes de IA en entornos donde cada modificación es crítica. Greg Law, fundador y director ejecutivo de Undo, destaca un problema frecuente: el código que parece correcto hasta que deja de funcionar. Una solución puede pasar una verificación básica pero fallar en interacción con otras partes del software, lo que obliga a los equipos a realizar investigaciones exhaustivas.

Los desarrolladores han expresado dudas sobre la fiabilidad del código generado por inteligencia artificial. Es importante tener en cuenta que estos agentes no solo responden preguntas, sino que pueden recibir tareas, modificar archivos y generar segmentos de código con un grado considerable de autonomía, lo que representa una evolución respecto a otros asistentes de programación. Según la encuesta, un 55% de los participantes considera que estos agentes introducen errores en el código con demasiada frecuencia. Además, el tiempo dedicado a la depuración se sitúa en unas 16,9 horas semanales; este proceso implica localizar, entender y corregir errores, aunque no se puede atribuir completamente a la IA. También se informa que el 35% del código generado por IA se implementa sin una comprensión total por parte del desarrollador.

Este último dato explica por qué algunos programadores dedican más tiempo del esperado a revisar el trabajo generado por inteligencia artificial. Por ejemplo, si se genera una función para calcular el precio final de un pedido, esta podría ser efectiva para compras estándar, pero fallar en situaciones que combinan descuentos, devoluciones y ciertos impuestos. Mientras que la creación de la función puede tardar solo unos segundos, identificar y solucionar esos errores puede requerir un esfuerzo considerable.

Un contraste se observa en la encuesta de desarrolladores de Stack Overflow de 2025, donde el 66% de los encuestados expresó frustraciones con soluciones de IA que eran casi correctas, y un 45% consideró que depurar el código generado por estas herramientas es más complicado. A pesar de ello, el 52% de los encuestados afirmó haber notado un impacto positivo en su productividad, lo que sugiere que la utilidad y las dificultades pueden coexistir. Este equilibrio también se refleja en las declaraciones de Andrej Karpathy, quien ha reconocido los límites en la delegación de proyectos completos a la IA, a pesar de haber sido pionero en el concepto de vibe coding.

Los resultados de Undo no implican que la IA genere más problemas que soluciones para todos los desarrolladores. La muestra se centra en grandes organizaciones que trabajan con software complejo, y Undo ofrece herramientas para investigar y comprender errores, lo que es relevante al interpretar sus conclusiones. Sin embargo, el informe cuestiona una noción simplista de productividad, ya que generar más líneas de código o completar una versión inicial rápidamente tiene poco valor si después se requieren horas para desentrañar el funcionamiento real del código. Así, incluso en un sector donde la IA contribuye significativamente al desarrollo de software en grandes empresas, la labor humana sigue siendo crucial en la revisión, las pruebas y el mantenimiento, siendo la productividad efectiva un proceso que concluye solo al asegurarse de que el código funciona adecuadamente y se encuentra preparado para su uso sin generar problemas en etapas posteriores del desarrollo.

Etiquetas: Inteligencia Artificial, IA, Estudio